公开(公告)号：CN114373223B

公开(公告)日：2025-03-04

申请号：CN202111615969.6

申请日：2021-12-27

Applicant: 华南理工大学

Inventor： 刘琼 ,  何建航 ,  彭绍武

IPC: G06V40/20 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/09 ,  G06N3/098

Abstract: 本发明公开了联合静动态关节关系的3D姿态估计模型的构建方法。所述方法步骤如下：对公认的15个人体关节进行分组和分级；设计级联估计及多分支特征共享网络，构建人体静态关节关系模型；设计多分支注意力机制和单分支注意力机制，构建人体动态关节关系模型；融合人体静态关节关系模型和人体动态关节关系模型得到联合静动态关节关系的3D姿态估计模型，即二阶段3D姿态估计的第二阶段模型；设计姿态种群均衡和误差度量算法拓展Human3.6M训练集的姿态数据的多样性，训练二阶段3D姿态估计的第二阶段模型获取该模型参数。本发明能够有效缓解单张图像3D姿态估计面临的深度歧义问题，提高3D姿态估计模型的鲁棒性。

公开(公告)号：CN114373223A

公开(公告)日：2022-04-19

申请号：CN202111615969.6

申请日：2021-12-27

Applicant: 华南理工大学

Inventor： 刘琼 ,  何建航 ,  彭绍武

IPC: G06V40/20 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了联合静动态关节关系的3D姿态估计模型的构建方法。所述方法步骤如下：对公认的15个人体关节进行分组和分级；设计级联估计及多分支特征共享网络，构建人体静态关节关系模型；设计多分支注意力机制和单分支注意力机制，构建人体动态关节关系模型；融合人体静态关节关系模型和人体动态关节关系模型得到联合静动态关节关系的3D姿态估计模型，即二阶段3D姿态估计的第二阶段模型；设计姿态种群均衡和误差度量算法拓展Human3.6M训练集的姿态数据的多样性，训练二阶段3D姿态估计的第二阶段模型获取该模型参数。本发明能够有效缓解单张图像3D姿态估计面临的深度歧义问题，提高3D姿态估计模型的鲁棒性。

公开(公告)号：CN119169412B

公开(公告)日：2025-03-18

申请号：CN202411595744.2

申请日：2024-11-11

Applicant: 超节点创新科技(深圳)有限公司 ,  华南理工大学

Inventor： 毛玺羽 ,  彭绍武 ,  区士超

IPC: G06V10/774 ,  G06V40/20 ,  G06T15/02

Abstract: 本申请涉及数据集构建技术领域，具体公开了一种构建用于训练动作识别模型的训练数据集的方法。本申请可以利用动作生成大模型根据实际需要生成目标动作实例，根据该目标动作实例获得初始数据集，并借助视觉大模型对初始数据集进行泛化生成增广数据集作为目标训练数据，提高了数据在AI领域的使用价值，解决了传统仿真数据泛化性差、规模小和生成成本高的缺陷；且该生成方法不依赖于人工标注数据避免了因人工经验误差导致的错误标注、不一致标注等问题，解决了人工标注数据难以上规模、精准度差、成本高和效率低的缺陷，提升了数据集的数据规模、准确性、数据泛化性以及构建效率。

公开(公告)号：CN105574814A

公开(公告)日：2016-05-11

申请号：CN201610013167.0

申请日：2016-01-06

Applicant: 华南理工大学

Inventor： 王泽强 ,  丁东辉 ,  彭绍武 ,  陈键

IPC: G06T3/00

CPC classification number: G06T3/0093

Abstract: 本发明公开了一种肖像剪纸特效的生成方法，包括以下步骤：(a)将肖像从背景中分割出来；(b)对人脸特征点进行定位；(c)对图像进行亮度检测；(d)对图像进行灰度化得到灰度图；(e)对灰度图做反色处理；(f)对负片做高斯模糊，平滑反相后的图像；(g)做颜色减淡处理；(h)扫描生成的灰白素描图像，给图像设定一个阈值，将像素值小于阈值的像素颜色值置为红色，大于阈值的标记为置为白色或透明；(i)将脸型特征点线连接起来，叠加脸部轮廓线条；(j)将处理结果保存为.jpg和.png两种格式的图片；(k)对生成的图像做后期修改。本发明具有开发成本低等优点。

公开(公告)号：CN119169412A

公开(公告)日：2024-12-20

申请号：CN202411595744.2

申请日：2024-11-11

Applicant: 超节点创新科技(深圳)有限公司 ,  华南理工大学

Inventor： 毛玺羽 ,  彭绍武 ,  区士超

IPC: G06V10/774 ,  G06V40/20 ,  G06T15/02

Abstract: 本申请涉及数据集构建技术领域，具体公开了一种构建用于训练动作识别模型的训练数据集的方法。本申请可以利用动作生成大模型根据实际需要生成目标动作实例，根据该目标动作实例获得初始数据集，并借助视觉大模型对初始数据集进行泛化生成增广数据集作为目标训练数据，提高了数据在AI领域的使用价值，解决了传统仿真数据泛化性差、规模小和生成成本高的缺陷；且该生成方法不依赖于人工标注数据避免了因人工经验误差导致的错误标注、不一致标注等问题，解决了人工标注数据难以上规模、精准度差、成本高和效率低的缺陷，提升了数据集的数据规模、准确性、数据泛化性以及构建效率。